---
title: music_genre
canonical_url: "https://www.modelscope.cn/models/ccmusic-database/music_genre"
md_url: "https://www.modelscope.cn/models/ccmusic-database/music_genre.md"
repository: ccmusic-database/music_genre
chinese_name: "音乐流派分类模型"
last_updated: 2026-08-05
license: "MIT License"
downloads: 1132
stars: 23
---

# music_genre

> music_genre - ccmusic-database 在 ModelScope 开源的模型。音乐流派分类模型是在计算机视觉（CV）领域的预训练模型基础上进行微调的，旨在对音频数据进行流派分类。在预训练阶段，该模型通过大规模计算机视觉任务的数据集学习了丰富的特征表示。通过迁移学习，这些学到的特征被应用于音乐流派分类任务，以提升模型在音频数据上的性能。在微调阶段，我们使用了包含16种音乐流派的音频数据集。这些音频样本首先被转换为频谱图，将时域音频信号转换为在时间和频率维度上的二维表示。频谱图表示捕捉了不同音频…

ccmusic-database/music_genre 是 ModelScope 魔搭社区上的机器学习模型，采用 MIT License 许可。

- **Repository**: ccmusic-database/music_genre
- **License**: MIT License
- **Downloads**: 1132
- **Stars**: 23
- **Last updated**: 2026-08-05

Source: https://www.modelscope.cn/models/ccmusic-database/music_genre

---

# 简介
音乐流派分类模型是在计算机视觉 (CV) 领域的预训练模型基础上进行微调的, 旨在对音频数据进行流派分类。在预训练阶段, 该模型通过大规模计算机视觉任务的数据集学习了丰富的特征表示。通过迁移学习, 这些学到的特征被应用于音乐流派分类任务, 以提升模型在音频数据上的性能。在微调阶段, 我们使用了包含 16 种音乐流派的音频数据集。这些音频样本首先被转换为频谱图, 将时域音频信号转换为在时间和频率维度上的二维表示。频谱图表示捕捉了不同音频频率的时域演化, 为模型提供了有关音频内容的丰富信息。通过微调, 我们调整了预训练模型以满足音乐流派分类任务的需求。模型学会从频谱图中提取与音乐流派相关的特征, 使其能够准确分类音频样本。这个过程使得模型能够识别和推断音乐的流派, 如摇滚、古典、流行等。通过将计算机视觉领域的预训练模型与音频任务相结合, 这种方法充分利用了知识的跨模态传递, 展示了预训练模型在不同领域的适应性和有效性。

## 在线演示 (推理代码)
<https://www.modelscope.cn/studios/ccmusic-database/music_genre>

## 使用
:modelscope-code[]{type="sdk"}

## 维护
```bash
GIT_LFS_SKIP_SMUDGE=1 
```

:modelscope-code[]{type="git"}

## 训练结果
[![](./genres_results.png)](#最佳结果)

### 最佳结果
一个 VGG19_BN 模型在 CQT 上的微调结果：
<table>
    <tr>
        <th>Loss curve</th>
        <td><img src="./vgg19_bn_cqt/loss.jpg"></td>
    </tr>
    <tr>
        <th>Training and validation accuracy</th>
        <td><img src="./vgg19_bn_cqt/acc.jpg"></td>
    </tr>
    <tr>
        <th>Confusion matrix</th>
        <td><img src="./vgg19_bn_cqt/mat.jpg"></td>
    </tr>
</table>

## 数据集
<https://www.modelscope.cn/datasets/ccmusic-database/music_genre>

## 镜像
<https://huggingface.co/ccmusic-database/music_genre>

## 评估
<https://github.com/monetjoe/ccmusic_eval>

## 引用
```bibtex
@dataset{zhaorui_liu_2021_5676893,
  author    = {Zhaorui Liu and Zijin Li},
  title     = {Music Data Sharing Platform for Computational Musicology Research (CCMUSIC DATASET)},
  month     = nov,
  year      = 2021,
  publisher = {Zenodo},
  version   = {1.1},
  doi       = {10.5281/zenodo.5676893},
  url       = {https://doi.org/10.5281/zenodo.5676893}
}
```